今天两篇有趣的论文
Self-Taught Optimizer (STOP): Recursively Self-Improving Code Generation
之前有一篇 "take a deep breathe" 的论文，可以让模型自己优化下游任务的 prompt。这次这篇多递归了一层，可以自己 evolve "prompt-evolver"。
是个 case study 的论文，这个问题很有意思。
Kosmos-G: Generating Images in Context with Multimodal Large Language Models
作者探讨了一个很有意思的问题，现在的 text2image 基本都是从文本到图片。但是生成图片的时候就只有文本吗？能不能把图片文本联合作为一个输入去生成图片？
其实很多 ControlNet 之类的任务，天生就可以被这种方式表示出来
v1.5.2